corrélations et régressions simples

 On peut mesurer le concept de

Un rappel important cinéphilie comme étant la somme
de scores des énoncés
À l’issue de l’ACP sur toutes les  = somme des items
échelles additives pour les concepts
 Totalciné =
de cinéphilie (question 1), de
consultation des critiques (question ciné1+ciné2+ciné3+ciné4+ciné5
2), de sensibilité à l’influence sociale
(question 4) et d’estime de soi  nous allons calculer ces scores;
(question 5)  et montrer ce qu’ils signifient.
 le chercheur doit calculer les scores.
1 2

la somme des scores de tous les énoncés

correspond à la mesure du concept
 le chemin SPSS:
 transformercalculer variable

3 4

1
 Remarque importante n°1:
 Ici dans notre cas il n’y a pas de données
manquantes;
 Nous avons calculé la somme de tous les items
d'une échelle
 Cependant, il n'est pas évident comment gérer les
valeurs manquantes en créant la somme des
items - si on enlève tous les cas avec les valeurs
manquantes on risque de fortement diminuer
l'échantillon.
 Le remplacement des valeurs manquantes par la
moyenne de l'échantillon est aussi problématique!
 C'est pour cela que calculer la moyenne est
recommandé en cas de données manquantes.
5 6

Dans la base de données cinéma tous ces

Remarque importante n n°°2:
scores ont été calculés
attention aux items inversés
 Nous travaillons désormais sur les scores
Il est primordial d'identifier les items qui des échelles additives;
sont à recoder pour effectuer le calcul du  la somme des scores des énoncés d’un
score total concept correspond à la mesure du
 Avant de calculer le score = mesure de ce concept
concept il faut traiter les items inversés;
 sinon tout le reste sera biaisé :
 y compris et surtout l’ACP et l’analyse de
la cohérence interne (alpha de Cronbach).

7 8

2

I-UNE STATISTIQUE DESCRIPTIVE
PARTICULIERE :
LA CORRELATION
 Le coefficient de corrélation est
donc une des mesures qui
évaluent la conformité des
observations avec un modèle
général de relations entre les
deux mesures.
 Ce modèle général est le plus
souvent un modèle linéaire et le
coefficient de corrélation associé
est le r de Bravais-Pearson pour
les échelles d’intervalles
 Généralités
 Lorsque l’on possède pour chaque
sujet d’une population, deux mesures
(variables dépendantes ou VD),
 on peut et on doit s’intéresser aux
relations existantes entre ces deux VD.
 La question que l’on se pose le plus
fréquemment est de savoir si la
variance observée sur une VD est
spécifique à chacun des tests ou si il
existe une part de variance commune
9 à ces deux tests. 10
 On parle de modèle linéaire lorsque
l’on suppose qu’il existe une relation
monotone croissante ou décroissante
entre deux variables.
 Par exemple, entre la taille et le poids,
nous attendons une corrélation
linéaire positive,
 c’est-à-dire : plus la taille d’un sujet
est petite, plus le sujet est léger et
plus la taille d’un sujet est grande,
plus le sujet doit être lourd.
11 12
3
 L’utilisationdu coefficient de Les différents coefficients
corrélation de Bravais-Pearson de corrélation
suppose que les 2 variables
correspondent à des échelles
d’intervalles.
 Il est cependant parfois
nécessaire de calculer des
associations entre d’autres types
d’échelles.

13 14

Propriétés et interprétation de r(XY)

 ce coefficient varie entre -1 et +1.  Le signe de r indique donc le

 Son interprétation est la suivante :
 si r est proche de 0, il n'y a pas de
relation entre X et Y
 si r est proche de -1, il existe une
forte relation négative entre X et Y
 si r est proche de 1, il existe une
forte relation positive entre X et Y
15
sens de la relation
 tandis que la valeur absolue
de r indique l'intensité de la
relation
 c'est-à-dire la capacité à prédire
les valeurs de Y en fonctions de
celles de X.
16

4
 Interprétation
0 équivaut à une absence de lien, alors
que 1 constitue un lien parfait entre X
et Y.
 Le signe + signifie que la relation entre
X et Y est proportionnelle; quand X
augmente (ou diminue), Y augmente
(ou diminue).
 Le signe - signifie que la relation entre
X et Y est inversement proportionnelle;
quand X augmente (ou diminue), Y
17 diminue (ou augmente). 18

En résumé : POURQUOI ET QUAND? Ce qu’il faut retenir = Corrélation entre

deux variables quantitatives
 Quand ? Si votre recherche comporte
 Le coefficient de corrélation de Pearson r
une variable indépendante quantitative
est une mesure d’association ou
(X) et une variable dépendante
d’interdépendance entre deux variables
quantitative (Y).
métriques
 Pourquoi calculer un coefficient de
 Il mesure l’intensité de la co-variation entre
corrélation ?
les deux variables :
◦ Pour établir l'existence d'une lien entre X
et Y.  les deux variables, mesurées sur le même

◦ Pour mesurer la force ou l'intensité de ce ensemble d’observations, varient-elles de

lien. façon analogue (si pour une observation,
l’une prend une valeur élevée, l’autre a-t-
◦ Pour inférer l'existence d'une corrélation
elle également une valeur élevée) ?
au sein de la population. 19 20

5
À vous sur spss
1-Estime de soi  Consultation
des critiques
(totesttotcrit)
2-Sensibilité à l’influence sociale
 Consultation des critiques
(totinf totcrit)
 On a vu la dernière fois que plus une personne a
confiance en sa capacité de faire de bons choix,
moins elle ressent le besoin de s’informer auprès
des autres;
 On peut supposer qu’il existe une relation entre
ces deux variables (sans doute négative test
unilatéral alors);
 Pour le vérifier nous passons à la corrélation. 21

3 informations importantes :
La corrélation en valeur absolue;
Son signe
La valeur de p (/2 si unilatéral)

Donne l’information sur la dispersion

des deux variables (écart type);
Une faible corrélation peut être due:
- soit à l’absence de relation linéaire
- soit par le manque de variation d’une
ou des deux variables
24

6
Ce qu’il faut écrire dans le mémoire :
Tableau n : Relation entre l’estime de soi et Test unilatéral et test bilatéral
la consultation des critiques
Variables N= r Valeur de p significativité  Quand le chercheur n’a pas d’idée
Estime de soi préconçue sur le sens de la différence (+
Consultation des 120 - 0,245 0,007 significative
critiques
ou -) l’objectif est de travailler sur une
hypothèse non directionnelle: le test est
dit bilatéral (two tailed);
L'analyse de nos données montre qu'il existe une
relation entre l’estime de soi des participants et la  Par contre si le chercheur connait le sens
consultation des critiques (r= -0,245, p = 0,007). l’hypothèse est dite directionnelle, la
Cette relation est négative , modérée et significative. procédure qu’il faut alors employer est
RMQUE: Si on a prévu à priori une relation négative, dite unilatérale (one-tailed);
pour un test unilatéral  p= 0,0035 (0.007/2)
 on a le choix de spécifier cela à SPSS ou
Si on a une valeur de p non significative on écrit ns.
25
de /2 la probabilité obtenue. 26

Sensibilité à l’influence sociale  Consultation des critiques II- la logique de la régression

Descriptive Statistics
 Nous avons vu comment mesurer la
Mean Std. Deviation N
consultation des critiques 13.49 5.320 120 relation entre deux variables continues=
sensibilité à l'influence
33.66 9.925 120
corrélation.
sociale
 Nous allons voir comment prédire une
Correlations
variable continue à partir d'une autre:
sensibilité à
 Et comment nous pouvons modéliser cette
consultation l'influence relation linéaire, c'est-à-dire comment
des critiques sociale
consultation des critiques Pearson Correlation 1 .504**
représenter le mieux possible la relation
Sig. (1-tailed) .000 linéaire entre deux variables à l’aide d’une
N 120 120
équation mathématique = équation de
sensibilité à l'influence Pearson Correlation .504** 1
sociale Sig. (1-tailed) .000 régression.
N 120 120
27 28
**. Correlation is significant at the 0.01 level (1-tailed).

7

A- Hypothèse nulle
 Dans le cas de la régression, l'hypothèse
nulle est qu'il n'y a pas de relation entre
la variable dépendante et la variable
indépendante,
 donc que la variable indépendante ne
permet pas de prédire la variable
dépendante.
 L'hypothèse alternative = celle du
chercheur: est qu'il est possible de prédire
la variable dépendante à partir de la
variable indépendante.
29
B- Prémisses = conditions pour l’utilisation
de cette méthode
 1. Distribution normale : les valeurs de la
variable dépendante sont normalement
distribuées.
 2. Homogénéité des variances : la variance
dans la distribution de la variable dépendante doit
être constante pour toutes les valeurs de la
variable indépendante.
 3. Le prédicteur (la variable
indépendante) doit présenter une certaine
variance dans les données (pas de variance
nulle).
 4. Le prédicteur n'est pas corrélé à des
variables externes (qui n'ont pas été intégrées
au modèle) qui influencent la variable dépendante.
 5. Homoscédasticité : pour toutes les valeurs
du prédicteur, la variance des résiduels (erreur de 30
mesure) est homogène.

 6. Distribution normale et aléatoire C- Équation de la droite de régression

des résidus : cette prémisse signifie que linéaire simple
la différence entre le modèle et les valeurs
 Le modèle de régression se présente sous
observées sont près de zéro.
une forme mathématique, une droite de
 7. Les valeurs de la variable régression
dépendante sont indépendantes :  Qui s'exprime avec l’équation algébrique
chaque valeur de la variable dépendante décrivant
Le une
coefficient droite
a est dansl’ordonnée
appelée un plan cartésien.
à
Nous tentons doncb estd'expliquer la variabilité
vient d'une observation distincte. LeSi coefficient
y est
l’origine la
(ouvariable appelé
placée
constante).
la
surpente.
l’axe vertical
Les observations ne sont pas reliées entre de la consultation
C’est
(ordonnée) x, des
le changement
etprédite critiques
sur en fonction
y lorsque
la variable placée xsur
change de
l’axe
C’est la
l’influence valeur
sociale de y quand x = 0.
elles. d’une unité.
horizontal (abscisse), l’équation est :
8. Relation linéaire entre la variable

indépendante et la variable Yi  a  bX i  ei
dépendante : la relation modélisée est Variable Variable
linéaire. 31
dépendante indépendante 32

8
Comprendre la logique de la régression
simple
 C’est une technique d’analyse statistique qui
consiste à estimer la relation de dépendance entre
deux variables métriques.
 Cette technique repose sur un modèle
mathématique qui exprime la relation linéaire
entre une variable dépendante et une variable
indépendante (=déterminer une équation qui relie
2 variables métriques)
 Il faut donc au-préalable avoir déterminé si la
relation linéaire existe (on passe par les
corrélations puis les régressions).
 Contrairement à la corrélation simple, elle
nécessite d’identifier l’une des 2 variables comme
étant dépendante (à expliquer) et l’autre comme
étant indépendante (explicative). Cette méthode
n’implique pas de causalité ce qui est autre
chose.
Important
 C’est un modèle de prédiction :
connaissant les valeurs de  et β on peut
prédire la valeur de Y à partir de X;
 Le terme d’erreur i rend compte du fait
que la modélisation n’est pas parfaite, et
que d’autres variables non prises en
compte dans ce modèle influent sur la
variation de Y.
 Le modèle de régression dans la population
se présente de la manière suivante :
 Yi =  + β Xi + i
 avec Y = variable dépendante (à expliquer)
 X = variable indépendante (ou explicative)
  = (alpha) ordonnée à l’origine de la droite
 β = (bêta) coefficient de régression
 i = (epsilon) terme d’erreur ou composante
aléatoire
33 34
 Pour s’assurer que le modèle précédent
est une représentation adéquate
(appropriée) de la relation entre les deux
variables,
 On doit procéder à son estimation à partir
d’un échantillon de n observations;
 on pose donc le modèle d’échantillon
suivant :
Yi  a  bX i  ei
 La structure du modèle est identique au
précédent, a et b correspondent à  et β.
35 36
9
Estimation du modèle : La qualité du modèle
 consiste à trouver les valeurs de a et b qui  Que vaut le modèle de régression estimé?
conduisent à la meilleure prédiction Cette question peut se décomposer en
possible des valeurs de la variable deux :
dépendante = minimiser les erreurs;  la prédiction du modèle est-elle
 C’est ce qu’on appelle l’estimation par satisfaisante?
moindres carrés.  Peut-on dire que le modèle de population
 On peut montrer que : est une représentation valable de la
n
relation entre les deux variables?
 ( X i  X )(Yi  Y )
b  i 1
 La qualité de prédiction passe par
n a  Y  bX
2 l’observation d’indices, des sommes des
(Xi  X ) carrés
i 1
37 38

On définit les trois sommes des carrés La somme des carrés de l’erreur :
suivantes :  (SCE) c’est la variation due à l’erreur de
prédiction;
Afin d’obtenir une évaluation relative, on la
 La somme des carrés de l’erreur : 
compare à la variation totale de la variable
n dépendante que l’on appelle La somme des carrés
SCE   (Yi  Yˆi ) 2 totale (SCT)
i 1
 en divisant SCE/SCT on obtient la proportion de
la variation totale de la variable dépendante due à
 La somme des carrés de la régression : l’erreur de prédiction.
n  On pose comme indice de la qualité de prédiction
SCR   (Yˆi  Y ) 2 du modèle de régression estimé le complément de
i 1 cette proportion que l’on nomme coefficient de
détermination (R2) R2 = 1 – SCE/SCT
2
R varie entre 0 (relation linéaire nulle ) et 1
 La somme des carrés totale 
(relation linéaire parfaite);
n
SCT   (Yi  Y ) 2  SCR  SCE  On montre que R2 = SCR/SCT et que
i 1
39
SCR+SCE=SC 40

10
 En résumé : Interprétation du R2 : La force de la relation
 R² = Variance expliquée = coefficient  Si on prend la racine carrée du
de détermination (proportion de coefficient de détermination R2 on
variance totale de Y qui n’est pas due à définit un indice de force de relation
l’erreur, ou encore proportion de la appelé coefficient de corrélation
variance de Y expliquée par la variance
multiple dont la valeur varie de 0 à 1
de X)
et qui s’interprète comme le V de
 R² = 0 : la variable indépendante n’explique
rien
Cramer.
SCR
 R² = 1 : la variable explique complètement Y
R
SCT
 R² = 0,11 : 11% des variations de Y sont
expliquées par le modèle  + R  1 + la relation est forte
41 42

D- La régression en 3 étapes :
Le modèle est-il statistiquement significatif ?
 Étape 1 : Évaluation de la
 On peut tester la qualité du modèle à l’aide
de la statistique F suivante :
pertinence du modèle de régression

SCR  Étape 2 : Évaluation de l'ajustement

F des données au modèle de
SCE /( n  2)
régression
 La statistique F correspond au rapport de la
variance expliquée sur la variance d’erreur.
 Étape 3 : Évaluation de la variabilité
 Plus la valeur de F est grande, plus on croit
que les deux variables sont associées. expliquée par le modèle de
régression
43 44

11
 À vous sur spss avec totcrit et totinf
totinf totcrit
 Rédiger le modèle de régression que vous
allez considérer (valable dans la
population)
 Il va falloir maintenant estimer ce
modèle (valable pour notre
échantillon)
 Sur spss
 Analyse régressionlinéaire
 La variable dépendante = tocrit
 La variable indépendante =totinf
 OK
Analyse de variance
 Pour qu’un modèle soit pertinent,
l’amélioration obtenue avec la variable
indépendante doit être grande et les résidus
entre les valeurs observées et la droite de
régression, faibles.
 Pour tester cela, SPSS procède au test de la
valeur F.
 Dans ce tableau, SPSS fournit les sommes
des carrés et les carrés moyens dont nous
avons discuté dans le rappel théorique.
 Le calcul de la valeur de F se fait
automatiquement et le degré de signification
associé se trouve dans la dernière colonne.
Étape 1 : Évaluation de la pertinence du
modèle de régression
 La première chose à faire lors de l'examen
des résultats est de vérifier si le modèle
avec prédicteur explique significativement
plus de variabilité de la variable
dépendante qu'un modèle sans prédicteur.
 Autrement dit, il faut au préalable prendre
une décision sur l'hypothèse nulle = y a a--t-
il ou non une relation entre la variable
dépendante et la variable indépendante.
 Pour prendre cette décision, il faut
interpréter les résultats du tableau
45
ANOVA. 46
SCR= 854,725 SCE= 2513,266
SCT=SCR+SCE
F= 40,130 avec une p(Sig.) de 0,000
la relation est donc statistiquement
significative
47
12

 Dans notre cas, la valeur de F est de
40,130 avec une p(Sig.) de 0,000
 la relation est donc statistiquement
significative
 Ceci signifie que les probabilités d'obtenir
une valeur F de cette taille par hasard
sont de moins de 0,05 %.
 Dans ce cas-ci, nous devons rejeter
l'hypothèse nulle formulée plus haut.
 Il y a donc une relation statistiquement
significative entre la variable dépendante
et la variable indépendante.
49
Étape 2 : Évaluation de l'ajustement des
données au modèle de régression
 Lorsque le modèle apporte une
amélioration significative, on doit
rapporter dans quelle mesure les
données sont ajustées à ce modèle.
 Cette information se trouve dans le
tableau « Récapitulatif du modèle »
avec l'indice « R » qui présente la
valeur de la corrélation multiple du
modèle.
50

 La corrélation multiple (R)

s'interprète de la même manière que
la corrélation simple (r).
 Elle représente la corrélation
combinée de toutes les variables
indépendantes d'un modèle avec la
R  coefficient de corrélation multiple dont
variable dépendante.
la valeur 0<R<1 qui s’interprète comme V
 Comme nous n'avons ici qu'une
force de la relation
seule variable indépendante, ce
ici la relation est forte > à 0,5
coefficient est identique (en
valeur absolue) au coefficient de
corrélation (r). 51

13
R deux ajusté = permet de corriger le R
deux en fonction du nombre de variables
ici il n’a pas une grande incidence
R2  indice de la qualité de prédiction
du modèle de régression estimé =
coefficient de détermination = 1-SCE/SCT
c’est le % VD expliquée par la VI
totinf explique 25,4% de la variation de
totcrit
au min il doit être >0,30 pour que la
qualité du modèle soit admise nous
sommes autour de cette valeur min
 Nous pouvons donc dire que
l’influence sociale (VI) explique
25,4% de la variation de la
consultation des critiques (VD).
 La valeur de R2 ajusté est un
estimé de la robustesse de ce
modèle si on prenait un
échantillon différent provenant
de la même population.
Résumé du modèle
 Dans l'exemple, la valeur du
coefficient de corrélation multiple est
de 0,504= R.
 Cette valeur suggère que les données
sont bien ajustées au modèle.
 Si nous élevons au carré le coefficient
de corrélation, nous obtenons la
valeur R2 0,254= 0,504 x 0,504
 Celui-ci indique la proportion de la
variabilité de la variable dépendante
(y) expliquée par le modèle de
53
régression.
54
Étape 3: Évaluation de la variabilité
expliquée par le modèle de régression
 Le dernier tableau nous donne les
paramètres de l'équation du modèle de
régression.
 Il est alors possible de construire la droite
de régression à l'aide des coefficients B
(Beta) non standardisés.
 Ce tableau est très utile dans les cas de
régression multiple, car il permet de
déterminer laquelle ou lesquelles des
variables indépendantes contribue(nt)
significativement au modèle.
55 56
14
estimation des paramètres du modèle
pas utile maintenant de le mentionner
mais pour que vous compreniez H0 : 
=0 et  = 0 ici rejetée t significatif
l’ordonnée à l’origine = constante
=  = 4,403
le coefficient de régression
(sensibilité …) =  = 0,270
Remarque:
 Les coefficients standardisés permettent de
connaître le sens de la relation entre
chaque prédicteur et la variable
dépendante (relation positive ou négative)
 et la valeur absolue des coefficients
standardisés significatifs permet de
déterminer le poids relatif des variables
dans le modèle.
 Le prochain tableau montre donc les
paramètres du modèle (les valeurs Beta) et
leur degré de signification.
59
 En effet, chaque coefficient Beta est testé en
fonction l'hypothèse nulle voulant que B = 0
dans le modèle.
 Ceci veut dire que dans un même modèle
contenant plusieurs variables indépendantes,
certaines peuvent être significatives et
d'autres, non significatives.
 Les variables significatives sont celles qui
contribuent au fait que le modèle global
apporte une amélioration significative de
l'explication de la variabilité de la variable
dépendante. 58
 Dans le cas spécifique de notre exemple :
 Les coefficients non standardisés nous
permettent de reconstituer l'équation de
la droite de régression.
 L'ordonnée à l'origine est la valeur B de la
constante dans le tableau et la pente est
indiquée par la valeur B pour la variable
indépendante (totinf).
 le coefficient de régression (sensibilité à
l’influence sociale =  = 0,270
60
15
 La valeur prédite de la consultation des
critiques de cinéma totcrit i =
 4,403 + 0,270 totinf i + i
 La colonne des coefficients standardisés
indique la valeur du coefficient de corrélation
(celle que nous avons vue dans le tableau
récapitulatif du modèle). Elle apporte
toutefois une nouvelle information: la valence
de cette valeur (+ ou -). Il est important de
connaître cette valence pour interpréter le
sens de la relation entre la variable
dépendante et indépendante.
 La valeur actuelle du coefficient est donc de +
0.504.
 Le dernier coefficient suggère que le modèle
(la droite) de régression est bien ajusté aux
données.
 Pour notre part, nous pouvons dire que
les probabilités d'obtenir une valeur t de
6,335 si la valeur de l'ordonnée à l'origine
(b) est de zéro sont de moins de 0,000.
 Le b est donc différent de zéro et nous
pouvons conclure que l’influence sociale
contribue significativement (p < 0,000) à
prédire la consultation des critiques.
 La colonne suivante présente la valeur t qui
teste l’hypothèse nulle à l’effet que le
coefficient est égal à « 0 » dans la population.
 Pour l’ordonnée à l’origine, ceci veut
simplement indiquer si elle est différente de 0
 Donc si un coefficient Beta d’une variable
indépendante est significatif, son effet est
différent de 0 et on doit l’interpréter comme
une variable explicative significative.
 Dans le cas d’un coefficient non significatif, on
doit garder l’hypothèse nulle que la valeur 0
est une valeur possible dans la population (t
est le rapport entre la valeur Beta et l’erreur-
61 type de mesure). 62
Remarque importante
 La colonne des coefficients standardisés
indique la valeur du coefficient de
corrélation (celle que nous avons vue
précédemment).
 Elle apporte toutefois une nouvelle
information: la valence de cette valeur (+
ou -).
 Il est important de connaître cette valence
pour interpréter le sens de la relation
entre la variable dépendante et
63
indépendante. 64
16

interprétation
 la sensibilité à l’influence sociale a un
effet positif et statistiquement significatif
sur la consultation des critiques de
cinéma:
 plus on est sensible à cette influence plus
on a tendance à consulter les critiques
attention
 les analyses de corrélations et régression
se limitent à l’estimation de relations bi-
variées linéaires;
 l’absence de corrélation entre deux
variables signifie qu’il n’y a pas de relation
linéaire, mais il est possible qu’une autre
forme de relation existe.
attention il faut mentionner dans votre
analyse
1. le modèle de régression que nous avons
considéré est le suivant :
totcrit i =  +  i totinf i + i
2. l’estimation du modèle lui :
totcrit i = 4,403 + 0,270 totinf i + i
 Nous pouvons donc conclure que le modèle
avec prédicteur permet de mieux prédire la
variable y que ne le fait le modèle sans
prédicteur (la moyenne de y).
 IMPORTANT :
 Si le modèle n'apportait pas d'amélioration
significative,
 si la valeur de F n'était pas accompagnée
d'une valeur de p significative,
l'interprétation s'arrêterait ici.
 Il n’existe pas de relation entre la variable
dépendante et la variable indépendante.
68
17